0

机器学习笔记:支持向量机(svm)

支持向量机(svm)英文为Support Vector Machines 第一次接触支持向量机是2017年在一个在线解密游戏“哈密顿行动”中的一个关卡的二分类问题,用到了台湾教授写的svm库libsvm ‘C ’版。支持向量机在深度学习之前统治了机器学习近10年,机器学习有个没有免费的午餐定理,意思 ...

igofreely 发布于 2019-07-13 20:24 评论(0)阅读(24)
0

【机器学习实践】解决Jupyter Notebook中不能正常显示中文标签及负号的方法

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 ...

likedata 发布于 2019-07-13 15:44 评论(0)阅读(97)
0

人工智能 - 深度学习

Mark一下李宏毅教授的个人主页,里面有相关知识点的视频、PPT。 个人主页 相关知识点PPT和视频 ...

ppju 发布于 2019-07-13 13:53 评论(0)阅读(27)
0

贝叶斯网络,看完这篇我终于理解了(附代码)!

文章目录1. 对概率图模型的理解2. 细数贝叶斯网络2.1 频率派观点2.2 贝叶斯学派2.3 贝叶斯定理2.4 贝叶斯网络2.4.1 贝叶斯网络的结构形式2.4.2 因子图2.5 朴素贝叶斯3. 基于贝叶斯的一些问题4. 生成式模型和判别式模型的区别5. 代码实现6. 参考文献 1. 对概率图模.... ...

mantch 发布于 2019-07-13 11:35 评论(0)阅读(523)
0

信息熵的简单理解

熵,信息熵在机器学习和深度学习中是十分重要的。那么,信息熵到底是什么呢? 首先,信息熵是描述的一个事情的不确定性。比如:我说,太阳从东方升起。那么这个事件发生的概率几乎为1,那么这个事情的反应的信息量就会很小。如果我说,太阳从西方升起。那么这就反应的信息量就很大了,这有可能是因为地球的自转变成了自东 ...

大郭nice 发布于 2019-07-13 10:25 评论(0)阅读(148)
1

转战物联网·基础篇04-不可不知的进制关系与数据传输的本质

  说起进制,大家都能想到二进制、10进制、16进制、8进制等等,但是在互联网应用开发中,却很少用到这些换算。在物联网短指令应用中,却十分常见。    理解字节本质和二进制   无论是互联网应用还是物联网应用,在网络传输层传送的其实都是二进 ...

学为所用 发布于 2019-07-12 18:39 评论(2)阅读(77)
0

人工智能09 计划、动作和学习

计划、动作和学习 基于搜索的规划方法依赖于几个很强的假设: agent必须能在图节点中表示所有相关的环境状态,它必须有在一对节点间如何动作的精确模型。 动作必须总有其模型化的结果,即在agent的操作系统中不能有错误或不确定性。 agent感知系统必须精准的指定开始节点,并且没有任何其他的agent ...

Ccccz 发布于 2019-07-12 10:44 评论(0)阅读(214)
2

西瓜书+一些数据分析的书PDF分享+机器学习入门个人体会

分享PDF及自己的一些体会 写这篇文章主要是作为一篇分享PDF的博客给后面主动学习贴链接用的 为了防止看西瓜书觉得不知所云,就分享一下自己作为小白到萌新的一些浅薄的体会 周志华西瓜书《机器学习》是一本经典的机器学习教程 分享的另外还有一些数据分析的PDF电子书,如《Python For ... ...

Casidhe_Li17 发布于 2019-07-11 23:41 评论(0)阅读(827)
0

我是这样理解--SVM,不需要繁杂公式的那种!(附代码)

文章目录1. 讲讲SVM1.1 一个关于SVM的童话故事1.2 理解SVM:第一层1.2.1 函数间隔与几何间隔1.2.2 最大间隔分类器的定义1.2.3 最大间隔损失函数Hinge loss1.3 深入SVM:第二层1.3.1 从线性可分到线性不可分1.3.2 核函数Kernel1.3.3 总结.... ...

mantch 发布于 2019-07-11 21:59 评论(0)阅读(329)
1

转战物联网·基础篇03-从JSON数据到短指令谈思维的转变

  了解了物联网项目的大体结构之后,我们先从物联网的联网相关部分说起,这也是物联网项目中的关键环节。在联网环节中,不仅要考虑如何连接上,还要考虑连接后如何传输数据。换句话说数据是以什么格式进行传输,对系统压力和稳定性以及整体项目更有利。在互联网项目开发中,多数情况大家习惯了用JS ...

学为所用 发布于 2019-07-11 18:18 评论(0)阅读(81)
0

推荐算法

各种相似度指标:https://www.cnblogs.com/arachis/p/Similarity.html 基于用户协同过滤 def getRecommendations(prefs,person,similarity=sim_pearson): simSum = {} totals = { ...

王晓阳的小可爱 发布于 2019-07-11 17:36 评论(0)阅读(35)
2

人工智能08 启发式搜索

启发式搜索 【这一章在某些地方笔者自己也没完全弄清楚,比如在递归最优搜索处没有找到一个很好的例子来理解,比如如何选择启发式函数等等一系列的问题,希望有大神能指明讲解。所以本章重要的只是介绍A*算法流程和简单优化并介绍引出一些改进的A*算法】 使用评估函数 除了搜索过程不是从开始节点统一向外扩展外,本 ...

Ccccz 发布于 2019-07-11 11:34 评论(0)阅读(162)
0

LightGBM,面试会问到的都在这了(附代码)!

1. LightGBM是什么东东 不久前微软DMTK(分布式机器学习工具包)团队在GitHub上开源了性能超越其他boosting工具的LightGBM,在三天之内GitHub上被star了1000次,fork了200次。知乎上有近千人关注“如何看待微软开源的LightGBM?”问题,被评价为“速.... ...

mantch 发布于 2019-07-11 08:59 评论(0)阅读(339)
0

转战物联网·基础篇02-物联网中的角儿

  今天的物联网,主要向遥控遥感、智能互联、数据综合、高效安全方向发展。人们对未来的向往总会找到一些漂亮的词语去美化一下,如智能家居、智慧交通、智能医疗、智能电网、智能物流、智能农业、智能电力、智能安防、智慧城市、智能汽车、智能建筑、智能水务、智能工业、商业智能等等,似乎一切都已 ...

学为所用 发布于 2019-07-10 22:23 评论(1)阅读(58)
0

100天搞定机器学习|Day9-12 支持向量机

机器学习100天|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4-6 逻辑回归 100天搞定机器学习|Day7 K-NN 100天搞定机器学习|Day8 逻辑回归的数学原理 第九天直观了解SVM是什么以及 ...

jpld 发布于 2019-07-10 22:14 评论(0)阅读(50)
0

100天搞定机器学习|Day7 K-NN

机器学习100天|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4-6 逻辑回归 最近事情无比之多,换了工作、组队参加了一个比赛、和朋友搞了一些小项目,公号荒废许久。坚持是多么重要,又是多么艰难,目前事情都 ...

jpld 发布于 2019-07-10 22:03 评论(0)阅读(51)
0

深度学习的一些术语

神经元与神经网络 神经元本质上是一个IN/OUT函数,神经元内部常常使用sigmoid, tanh, ReLu等非线性函数。一个大的神经网络往往由许多个神经元组成。 Sigmoid的表达式及图形 ReLu的表达式及图形 监督学习 在训练过程中,所用到的数据都是加了标签的,这种训练学习的方式就叫作监督 ...

Cigar丶 发布于 2019-07-10 20:46 评论(0)阅读(44)
1

终于有人说清楚了--XGBoost算法

文章目录1. 什么是XGBoost1.1 XGBoost树的定义1.2 正则项:树的复杂度1.3 树该怎么长1.4 如何停止树的循环生成2. XGBoost与GBDT有什么不同3. 为什么XGBoost要用泰勒展开,优势在哪里?4. 代码实现5. 参考文献 1. 什么是XGBoost XGBoos.... ...

mantch 发布于 2019-07-10 15:25 评论(2)阅读(861)
0

医学图像处理最全综述

本文作者 张伟,公众号:计算机视觉life,编辑成员 0、引言 医学图像处理的对象是各种不同成像机理的医学影像,临床广泛使用的医学成像种类主要有X 射线成像 (X CT)、核磁共振成像(MRI)、核医学成像(NMI)和超声波成像(UI)四类。在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发 ...

计算机视觉life 发布于 2019-07-10 11:40 评论(0)阅读(428)
0

图像分割最全综述

本文作者净浩泽,公众号:计算机视觉life,编辑成员 图像分割是计算机视觉研究中的一个经典难题,已经成为图像理解领域关注的一个热点,图像分割是图像分析的第一步,是计算机视觉的基础,是图像理解的重要组成部分,同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把 ...

计算机视觉life 发布于 2019-07-09 22:05 评论(0)阅读(434)